Sut i Ddarllen a Dehongli Graffiau Ystadegol yn Gywir
Defnyddir graffiau ystadegol yn aml i gyflwyno data yn gryno ac yn hawdd ei ddeall. O adroddiadau busnes a newyddion economaidd i ymchwil academaidd a phostiadau cyfryngau cymdeithasol, mae graffiau yn ein helpu i weld tueddiadau, cymariaethau a phatrymau sy'n anodd eu deall o rifau crai yn unig. Fodd bynnag, gall graffiau hefyd fod yn gamarweiniol os cânt eu darllen ar frys neu eu creu'n anghywir. Felly, mae'n bwysig gwybod sut i ddarllen a dehongli graffiau ystadegol yn gywir er mwyn osgoi penderfyniadau a chasgliadau anghywir.
1. Deall cyd-destun a phwrpas y graff
Y cam cyntaf cyn edrych ar linell, bar, neu liw ar graff yw deall ei gyd-destun. Gofynnwch i chi'ch hun: Beth yw pwrpas y data hwn? Pwy gasglodd y data? At ba ddiben y crëwyd y graff? Gall graffiau mewn adroddiadau llywodraeth, cyfnodolion gwyddonol, neu hysbysebion cynnyrch gynnwys negeseuon gwahanol. Bydd deall y cyd-destun yn eich helpu i asesu a grëwyd y graff i esbonio cyflwr gwrthrychol, cefnogi dadl benodol, neu hyd yn oed ddylanwadu ar farn.
Yn ogystal, ystyriwch y cyfnod amser a'r rhanbarth dan sylw. Bydd siart chwyddiant 12 mis yn sicr o greu argraff wahanol i siart 20 mlynedd. Gall newid y raddfa amser chwyddo neu leihau'r argraff o amrywiadau yn y data.
2. Nodwch y math o graff a beth yw'r darlleniad mwyaf priodol
Mae gan bob math o siart brif swyddogaeth:
– Siart bar: addas ar gyfer cymharu categorïau, er enghraifft gwerthiannau fesul cynnyrch.
– Siart llinell: delfrydol ar gyfer gweld tueddiadau dros amser, er enghraifft prisiau stoc dyddiol.
– Siart cylch: yn dangos cyfran y rhannau i'r cyfan, er enghraifft cyfran o'r farchnad, ond mae'n llai effeithiol os oes llawer o gategorïau neu os nad ydyn nhw'n wahanol iawn.
– Histogram: yn dangos dosbarthiad data rhifiadol, er enghraifft dosbarthiad sgoriau arholiadau.
– Plot gwasgariad (diagram gwasgariad): yn gweld y berthynas rhwng dau newidyn, er enghraifft oriau astudio a graddau.
Mae gwybod y math o siart yn eich helpu i ganolbwyntio ar y wybodaeth rydych chi wir eisiau ei hamlygu. Camgymeriad cyffredin yw darllen siart cylch i gymharu gwahaniaethau bach rhwng categorïau—pan fydd gan y llygad dynol amser anoddach yn gwahaniaethu arwynebedd sleisen na hyd bar.
3. Darllenwch y teitl, y label, yr unedau, a'r allwedd yn ofalus.
Yn aml, nid oherwydd bod y graff yn gymhleth y mae camddealltwriaethau'n digwydd, ond oherwydd bod y darllenydd yn methu elfen sylfaenol:
– Mae'r teitl yn adrodd neges graidd y graffig.
– Mae labeli echelin X ac Y yn dangos pa newidynnau sy'n cael eu harddangos.
– Unedau (canran, rupiah, mil o bobl, tunnell, mynegai) sy'n pennu ystyr rhifau.
– Mae'r allwedd yn egluro ystyr y gwahanol liwiau/llinellau.
Er enghraifft, bydd gan graff gyda darlleniad echelin-Y o "Refeniw (miliynau o rupiah)" ystyr gwahanol i "Refeniw (biliynau o rupiah)." Yn yr un modd, mae graddfa o "fesul 100.000 o'r boblogaeth" yn wahanol i "cyfanswm y nifer." Mae deall yr elfennau hyn yn atal casgliadau anghywir o'r cychwyn cyntaf.
4. Gwiriwch y raddfa a'r llinell sylfaen sero
Mae graddfa'r echelin-Y yn un o'r ffynonellau mwyaf o ragfarn. Os nad yw'r echelin-Y yn dechrau ar sero, gall gwahaniaethau bach ymddangos yn ddramatig. Er enghraifft, mae cynnydd o 98 i 100 yn edrych fel naid enfawr os yw'r siart yn tocio'r raddfa ac yn dangos yr ystod 95–101 yn unig.
Nid yw torri'r echelinau bob amser yn anghywir—weithiau mae'n angenrheidiol gweld amrywiadau bach—ond dylai darllenwyr fod yn ymwybodol o'r effaith weledol. Dewch i arfer edrych ar rifau'r ystod graddfa a gofyn: "Faint mae'n newid mewn gwirionedd o'i gymharu â'r raddfa lawn?"
5. Gwahaniaethu rhwng newidiadau absoliwt a chymharol
Mae llawer o siartiau neu naratifau yn nodi “cynnydd o 50%” heb sôn am y ffigur gwreiddiol. Mae newidiadau cymharol (canrannol) yn aml yn swnio’n fawr, ond gall newidiadau absoliwt fod yn fach.
Er enghraifft, mae cynnydd yn nifer yr achosion o 2 i 3 yn cynrychioli cynnydd o 50%, ond mewn termau absoliwt, dim ond cynnydd o 1 y mae'n ei gynrychioli. I'r gwrthwyneb, mae cynnydd o 1.000 i 1.200 yn cynrychioli cynnydd o 20% ond cynnydd o 200. Wrth ddehongli graff, edrychwch ar y ddau—faint mae'r nifer gwirioneddol yn wahanol a beth yw'r newid canrannol—i ddeall yr effaith wirioneddol.
6. Nodwch a yw'r data wedi'i normaleiddio neu'n defnyddio cyfartaledd.
Gall graffiau arddangos data fel “y pen,” “y cartref,” “fesul 1.000 o bobl,” neu “cyfartaledd.” Mae’r math hwn o normaleiddio yn ddefnyddiol ar gyfer cymhariaethau tecach, ond gall ystumio’r argraff.
Er enghraifft, efallai bod gan ddinas A gyfradd droseddu uwch na dinas B oherwydd bod ei phoblogaeth yn fwy. Fodd bynnag, fesul 100.000 o drigolion, efallai bod dinas B yn fwy agored i niwed. Yn yr un modd, gall y ffigur "cyflog cyfartalog" fod yn rhagfarnllyd os oes ychydig o bobl â chyflogau uchel iawn; mewn achosion o'r fath, mae'r canolrif yn aml yn fwy cynrychioliadol. Os mai dim ond y cyfartaledd y mae'r graff yn ei ddangos, gwiriwch i weld a oes gwybodaeth ychwanegol fel y canolrif, yr ystod, neu'r chwarteli.
7. Byddwch yn ofalus rhag camgymryd cydberthynas am achosiaeth.
Defnyddir plotiau gwasgariad yn aml i ddangos y berthynas rhwng dau newidyn. Os yw'r dotiau'n ffurfio patrwm, gallwn ddweud bod cydberthynas. Fodd bynnag, nid yw cydberthynas bob amser yn awgrymu achosiaeth.
Er enghraifft, mae gwerthiant hufen iâ yn cynyddu ar yr un pryd ag achosion o ddadhydradu. Nid yw hyn yn golygu bod hufen iâ yn achosi dadhydradiad; mae trydydd ffactor (tywydd poeth) yn dylanwadu ar y ddau. Wrth edrych ar graff o'r berthynas rhwng newidynnau, gofynnwch i chi'ch hun: a oes newidynnau eraill a allai fod yn ffactorau sy'n cyfrannu? A yw dyluniad yr astudiaeth yn cefnogi casgliad achosol, neu a yw'n awgrymu cysylltiad yn unig?
8. Gwiriwch faint y sampl a'r ffynhonnell ddata
Nid yw graff sy'n edrych yn argyhoeddiadol o reidrwydd yn dod o ddata cadarn. Gall meintiau sampl bach gynhyrchu amrywiadau sy'n ymddangos yn fawr, a gall data o ffynonellau annibynadwy fod yn gamarweiniol.
Os yn bosibl, darganfyddwch: faint o ymatebwyr neu arsylwadau? Sut oedd y dull samplu? A yw'r data'n ddiweddar? Bydd gan graff o arolwg o 100 o bobl fwy o ansicrwydd yn naturiol nag arolwg o ddegau o filoedd o ymatebwyr. Weithiau mae graffiau gwyddonol yn arddangos "bariau gwall" neu gyfyngau hyder sy'n dynodi ansicrwydd—mae'r rhain yn bwysig i'w darllen, nid i'w hanwybyddu.
9. Adnabod technegau gweledol a all fod yn gamarweiniol
Gall sawl techneg ddylunio ddylanwadu ar ganfyddiad:
– Gall defnyddio 3D ar siartiau bar/cylch ei gwneud hi'n anodd cymharu mesuriadau.
– Gall lliwiau sy'n rhy gyferbyniol amlygu rhai categorïau.
– Gall trefn y categorïau arwain at ddehongli (e.e. rhoi gwerthoedd eithafol ar y dechrau/diwedd).
– Gall dewis amserlen ddetholus guddio tueddiadau hirdymor.
Fel darllenydd, gwnewch arfer o “brofi” graffiau: a yw’r casgliadau’n newid os ehangir y raddfa, os estynnir y cyfnod amser, neu os aildrefir y categorïau?
10. Tynnwch gasgliadau'n gymesur a nodwch gyfyngiadau.
Ar ôl darllen y graff, crynhowch gyda brawddeg sy'n adlewyrchu cryfder y data. Os yw'r graff yn dangos tuedd ar i fyny, nodwch "yn tueddu i gynyddu yn ystod y cyfnod hwn" yn lle "yn sicr o barhau i gynyddu." Os mai dim ond rhanbarth penodol y mae'r data'n ei gwmpasu, peidiwch â chyffredinoli i'r boblogaeth gyfan.
Mae casgliad da fel arfer yn ateb tri pheth: (1) beth yw'r prif batrwm, (2) pa mor fawr yw'r newid, a (3) beth yw terfynau'r dehongliad.
Cau
Mae darllen a dehongli graffiau ystadegol yn gywir yn sgil hanfodol mewn oes o orlwytho gwybodaeth. Drwy ddeall cyd-destun, adnabod mathau o graffiau, archwilio labeli a graddfeydd, gwahaniaethu rhwng newidiadau absoliwt a chymharol, a bod yn feirniadol o ffynonellau data a rhagfarnau gweledol posibl, byddwch mewn gwell sefyllfa i wneud penderfyniadau sy'n seiliedig ar ddata. Dylai graffiau da ein helpu i weld realiti yn gliriach, nid dim ond atgyfnerthu rhagdybiaethau. Felly, byddwch yn ddarllenydd graffiau gofalus: peidiwch ag edrych ar y siapiau yn unig, ond deall eu hystyr.
